RL-10-赵-Actor-Critic算法03-在线算法02：A2C算法01【Advantage Actor-Critic】【QAC的推广】【引入Baseline的作用：减小方差】

二、A2C算法（advantage actor-critic）【也称为：TD actor-critic算法】A2C是QAC的一个推广。基本思想是它在QAC中引入了一个baseline（偏置量）来减少估计的方差（variance）。